Компьютерное зрение и распознавание образов

Описание: Дисциплина посвящена изучению фундаментальных основ компьютерного зрения, математического представления цифровых изображений, методов обработки и анализа изображений, распознавания образов.

Количество кредитов: 6

Пререквизиты:

• Автоматизация технических систем
• Линейные системы автоматического регулирования

Трудоемкость дисциплины:

Компонент: Компонент по выбору

Цикл: Профилирующие дисциплины

Цель

• формирование у студентов знаний математических основ и алгоритмов распознавания образов и компьютерного зрения, формирования практических навыков работы с изображениями и решения прикладных задач анализа изображений

Задача

• Ознакомление с основными понятиями техники машинного зрения.
• Изучение базовых понятий и алгоритмов обработки изображений , в том числе применения операции свертки с прямоугольным окном, вычисления производных изображения и т.п.
• Освоение техники выделения особенностей изображения и сегментацией изображений.
• Освоение методов распознавания изображения.
• Применение программных средств обработки и распознавания цифровых изображений.

Результат обучения: знание и понимание

• описывать основные концепции и методы машинного обучения, применяемые в компьютерном зрении, такие как нейронные сети, сверточные нейронные сети и т. д.

Результат обучения: применение знаний и пониманий

• использовать свои знания в компьютерном зрении для решения реальных задач, таких как распознавание лиц, детекция объектов или анализ медицинских изображений.

Результат обучения: формирование суждений

• применять различные алгоритмы и методы обработки изображений, сегментации, детекции объектов и распознавания образов;

Результат обучения: коммуникативные способности

• объяснять концепции компьютерного зрения коллегами и специалистами в области компьютерного зрения, а также участвовать в дискуссиях и презентациях проектов;

Результат обучения: навыки обучения или способности к учебе

• анализировать информацию из различных источников для углубленного изучения темы, а также самостоятельно решать практические задачи в области компьютерного зрения и распознавания образов.

Методы преподавания

интерактивная лекция (применение следующих активных форм обучения: ведомая (управляемая) дискуссия или беседа; модерация; демонстрация слайдов или учебных фильмов; мозговой штурм; мотивационная речь);

построение сценариев развития различных ситуаций на основе заданных условий; - информационно-коммуникационная (например, занятия в компьютерном классе с использованием профессиональных пакетов прикладных программ);

поисково-исследовательская (самостоятельная исследовательская деятельность студентов в процессе обучения);

решение учебных задач.

Оценка знаний обучающегося

Преподаватель проводит все виды работ текущего контроля и выводит соответствующую оценку текущей успеваемости обучающихся два раза в академический период. По результатам текущего контроля формируется рейтинг 1 и 2. Учебные достижения обучающегося оцениваются по 100-балльной шкале, итоговая оценка Р1 и Р2 выводится как средняя арифметическая из оценок текущей успеваемости. Оценка работы обучающегося в академическом периоде осуществляется преподавателем в соответствии с графиком сдачи заданий по дисциплине. Система контроля может сочетать письменные и устные, групповые и индивидуальные формы.

Политика оценивания результатов обучения по видам работ

Форма оценки

Итоговая оценка знаний обучающего по дисциплине осуществляется по 100 балльной системе и включает:

• 40% результата, полученного на экзамене;
• 60% результатов текущей успеваемости.

Формула подсчета итоговой оценки:

 

где, Р₁, Р₂ – цифровые эквиваленты оценок первого, второго рейтингов соответственно; Э – цифровой эквивалент оценки на экзамене.

Итоговая буквенная оценка и ее цифровой эквивалент в баллах:

Буквенная система оценки учебных достижений обучающихся, соответствующая цифровому эквиваленту по четырехбалльной системе:

Темы лекционных занятий

• Предмет распознавания образов и компьютерного зрения
• Основы работы с библиотекой OpenCV
• Формирование и редставление изображений
• Моделирование зрительной системы человека
• Анализ бинарных изображений
• Основные понятия распознавания образов
• Цифровая фильтрация и яркостные преобразования
• Поиск изображений на основе содержания

Основная литература

• Richard Szeliski. Computer Vision: Algorithms and Applications. - c 2010 Springer, 2010. - p. 979
• Simon J.D. Prince. Computer Vision: Models, Learning, and Inference - Cambridge University Press, 2012. - 581 p. ISBN-13 978-1107011793
• Joe Minichino, Joseph Howse. Learning OpenCV 4 Computer Vision with Python 3: Get to grips with tools, techniques, and algorithms for computer vision and machine learning - Packt Publishing; 3rd ed. edition (February 20, 2020). - 372 p.